基于FSCD-CNN的深度图像快速帧内预测模式选择算法

针对3D-HEVC的多视点视频加深度图的编码格式和四叉树编码结构所带来的编码复杂度问题，提出了一种深度图像快速帧内预测模式选择算法。首先，从深度视频序列中以最优的深度图最大编码单元（largest coding unit，LCU）划分深度为标签获取训练集；其次，构建了适用于LCU的Cu深度快速选择卷积神经网络（fast selecting Cu’s depth-convolutionalneural network，FSCD-CNN）；最后，对深度图LCU进行划分深度预测，跳过部分编码模式决策，实现最佳LCU划分。实验结果表明，与相关文献对比，所提算法在保持了编码性能的同时平均减少了15%的编码时间，实验验证了其有效性和可靠性。     

春风动力:以数据链动生产

三十年创新发展,打造出一辆辆"大国铁骑"。以速度著称的春风动力,向智能未来驰骋,智能制造,让它如沐"春风"春风动力坚持研发先行,持续加大投入,多项领先技术填补国内空白,已成为专业高端动力装备的国际化品牌。春风动力高端动力装备"未来工厂",以数据链动生产,形成高度离散的高端装备行业,高度柔性的高效协同制造能力。"工厂大脑"实时掌控生产车间内的每一道工序,实现160多个作业单元协同调度.     

基于正弦注意力表征网络的环境声音识别

将正弦注意力表征网络引入环境声音识别，首先提取梅尔频率倒谱系数（Melfrequency cepstral coefficient，MFCC）作为音频识别特征，使用门控循环单元提取MFCC每一帧的特征，根据正弦函数激活每一帧音频得分，并依照每一帧的音频得分为音频重新分配权重，从而将注意力集中在音频重点区域。最后结合全连接层和Softmax分类器对环境声音类别进行判别。实验在公开数据集Urban Sound 8K上验证并与其他模型对比，结果表明所提出模型效果最好，在数据集上的识别率高达93.5%。     

基于强化局部特征的3D点云分类与分割网络

在点云的处理过程中，许多深度学习网络未能充分考虑局部点之间的复杂关系，导致大量空间几何信息丢失。针对该问题，提出了一个强化局部特征的网络，用于点云的目标分类和语义分割。该网络通过设计编码单元对点的多方向信息进行编码；通过注意力机制学习采样分组后形成局部点云的特征。同时提出了一种新的多维损失函数，结合使用交叉熵损失函数与中心损失函数作用于分类任务。在数据集ModelNet40和ScanNet上进行了大量实验，结果表明：该网络在点云的目标分类和语义分割任务上表现出较好的性能。     

基于载荷均衡的韧性配电网分布式故障恢复

韧性电力系统旨在应对电力系统的极端事件,高效的故障恢复是提高配电网韧性的重要手段。为了提升配电网的韧性,提出了基于载荷均衡的分布式故障恢复方法。首先,相邻馈线终端单元根据故障恢复区负荷、相邻馈线容量及负载率,计算各相邻馈线完成故障恢复后的负载率期望值。然后,各相邻馈线终端单元均以该期望值为目标,分别完成各自的故障恢复路径。最后,根据各相邻馈线的故障恢复路径形成故障恢复区的故障恢复方案。算例分析结果表明,该方法在保证各馈线载荷均衡的前提下可以有效而快速地实现故障恢复。     

基于级联可分离空洞残差U-Net的肝脏肿瘤分割

计算机辅助肝脏肿瘤分割可减少医生工作量，提高手术成功率，因而具有重要的临床诊疗价值。为获得精确的肝脏肿瘤自动分割结果，该文结合医学影像分割领域近年新兴的U-Net模块提出了基于级联可分离空洞残差U-Net（cascaded separable and dilated residualU-Net，CSDResU-Net）的肝脏肿瘤分割方法。CSDResU-Net采用了级联操作，解决了因肿瘤在整幅图像中占比小而造成的肿瘤分割数据不平衡问题；通过在分割网络中整合残差单元、深度可分离卷积和空洞卷积，能够增加卷积核感受野并快速提取更具判别性的肝脏肿瘤图像特征，从而提高肝脏肿瘤分割精度。在国际医学图像计算和计算机辅助干预协会肝脏肿瘤分割数据库上的实验结果表明，CSDResU-Net比基线方法的Dice系数指标提升了1.3%，同时发现空洞率对分割网络的性能表现影响较大。     

有限元分析网格单元的选用原则

有限元分析可以对企业产品设计做出快速响应,有效节省昂贵的现场试验费用,缩短产品开发周期,提前产品上市时间。本文归纳了网格单元类型、合格评价指标以及选用原则,针对不同的分析类型选出最佳网格单元类型,避免重复无效的冗余周期。实践案例表明,合理选择网格类型,可以有效缩短求解周期。     

考虑外界影响的元动作单元故障概率模型

为描述数控机床运动构件的故障率随时间变化的情况,本文从元动作单元出发,建立了一个关于元动作单元的故障概率模型.首先,根据元动作单元故障发生的原因将故障分成两类,随机故障和老化故障.然后,根据这两种故障类型故障数据的不同特点,选用两个不同的概率分布函数分别进行描述,随机故障用泊松分布进行描述,老化故障用威布尔分布进行描述.接着,给出这两种故障概率模型中各参数的物理意义和估计方法.更进一步,工作负载和工作环境会分别对元动作单元的老化故障和随机故障的故障率造成影响.为比较这两者对故障率影响的大小,提出了工作负载参数R l和工作环境参数R e,并给出这两个参数的估计方法.最后,根据收集到的运动构件的故障数据作出频率直方图,同时,对故障数据进行参数估计得到概率密度函数,并将这两者画在同一幅图上,发现两者具有较好的拟合效果.表明提出的元动作单元故障概率模型适合于描述运动构件故障率随时间的变化,模型有效.     

基于扩展单元插值法二维弹性问题的边界元法分析

本文把一种新型的插值方法-扩展单元插值法,用于二维弹性问题的边界元法求解。扩展单元是在原非连续单元两端添加虚节点,将非连续单元变成阶次更高的连续单元。原非连续单元的内部点被称为源节点,其形函数用来构建源节点和虚节点之间的关系,被称为RawShape。扩展单元的形函数是由源节点和虚节点构造,用于边界物理变量的插值, 称之为FineShape。扩展单元继承了连续和非连续单元的优点,同时克服了它们的缺点；既可以插值连续场,也可以插值非连续场,在不改变方程自由度的前提下(边界积分方程只在源点处配置),把插值精度提高了至少两阶,最大限度的发挥了边界积分方程试函数可以不连续的特性。最后通过数值算例来验证本文方法的精度和收敛性。     

基于动作单元的机电产品故障溯源诊断方法

针对故障在复杂机电产品中传递发展的特点,提出了一种基于动作单元的机电产品故障溯源诊断方法.按照"功能-运动-动作"对整机功能进行结构化分解得到基本的动作单元,并分析动作单元之间的传递过程;在此基础上建立以动作单元和故障现象为节点的贝叶斯网络模型,利用贝叶斯网络的推理算法,计算各个节点的发生概率并追溯最大概率路径,实现动作层的故障动作单元诊断及故障动作单元传播过程诊断;利用故障图对动作单元内部的故障模式及其传递发展过程进行描述,找到引起动作单元故障的根本原因.通过对机电产品动作层和动作单元内部的诊断分析,实现故障现象到故障原因的溯源诊断.将所提出的溯源诊断方法应用到某企业数控转台故障诊断中,结果表明,从运动的角度进行故障溯源诊断,能够有效地诊断出故障动作单元及其传播过程并反映出动作单元内部元件故障的传递发展过程,便于找到导致故障的根本原因,提高了对机电产品故障诊断的效率.